数据挖掘的应用决策树神经网络.pptxVIP

数据挖掘的应用决策树神经网络;数据挖掘解释;常用模型 决策树：该模型常常可以用来检验、预测离散型的数据。如客户的信用等级，贷款的优良与否等等。 人工神经网络：这是对人体大脑的模拟. 该方法利用隐藏的一到两层，对数据进行分类或预测。但是速度比较慢。 多元回归：主要用于处理连续型的自变量和应变量，并可用于预测和其他分析。 Logistic 回归：与线性回归类似，但处理离散型的应变量比较合适 K-means和聚类分析：主要用于分类 Kohonen self-organizing maps:是一种类似神经网络，但主要用于聚类的分析工具。 关联准则：主要用于寻找在数据中频繁发生的记录间的关系，并可用于预测。; 决策树的应用—Link Adaption优化 神经网络的应用—TDMR的定位 ;决策树的概念;类别型;数值型;应用场景;决策树生成方法;数据业务对语音的影响;如何提高单时隙的传输数据效率;;链路自适应工作机制2/2;;相关性分析--寻找影响每块传送效率的主要因素;决策树寻找最优MBP;决策树结果理解;LA参数调整后效果评估;数据挖掘的应用;生物神经元;神经网络处理信息的特点;神经网络模型;F特性函数;人工神经网络的自我学习(训练);TDMR的定位应用;MR数据(OSS):即，实际测量中待定位样本测得的临近小区的场强分贝数，其中每行表示一个样本，前14列表示每个样本测得的临近7个小区的小区号和相应场强值。;;TDMR定位模型的训练;TDMR的算法实现;TDMR定位误差分析;The End;感谢观看！